超广角眼底成像联合AI血流分析：构建青少年近视性视网膜病变早筛新防线

近年来，青少年近视已上升为国家公共卫生焦点，2024年教育部联合国家卫健委进一步细化“光明行动”实施方案，要求至2030年实现儿童青少年新发近视率显著下降。然而，高度近视引发的视网膜病变，如格子样变性、视网膜劈裂甚至脱离，仍是隐匿的视力杀手。传统眼底检查受限于散瞳不便与成像范围窄小，极易遗漏周边部病灶，而**超广角眼底成像（UWF）与OCT血管成像（OCTA）的融合，叠加AI驱动的视网膜微血流分析，正建立起一道无创、高效的早筛防线**。 ### 从结构到血流：多模态影像互补周边病变盲区 超广角成像可在单次拍摄中获取200°以上眼底范围，使以往需多方位拼图才能窥见的锯齿缘区一览无余。温州医科大学附属眼视光医院2024年发表于《中华眼科杂志》的多中心研究显示，在12岁以下近视超过-6.00D的儿童中，UWF检出周边视网膜变性的比例较传统免散瞳眼底照相提升达48%。但静态结构无法揭示功能性改变，OCTA的引入恰好填补了这一缺陷：通过高分辨率血流成像，可清晰显示深层毛细血管网及脉络膜毛细血管层的灌注变化，早期发现缺血性微损伤。北京同仁医院最新临床数据显示，联合UWF与OCTA对高度近视青少年进行筛查，视网膜非灌注区的检出率提高32%，为预防性激光治疗提供了黄金时间窗。 ### AI量化血管参数：预测病变进展的“数字哨兵” 面对海量影像数据，人工判读耗时且一致性低。中山大学中山眼科中心团队开发了基于深度学习的“UWF-OCTA联合分析模型”，该模型能自动分割周边视网膜，提取血管密度、分支角度、弯曲度及无灌注区面积等20余个参数，形成“视网膜血管健康指数”。在为期两年的前瞻性队列中，该模型预测近视性黄斑劈裂进展的AUC达到0.91，显著优于单纯等效球镜度或眼轴长度的预测效能。目前，此类AI工具已嵌入部分视光中心的电子档案系统，在校园视力筛查中实现“筛查-转诊-预测”一体化闭环。 ### 政策与临床落地：视光中心成为前沿哨点 《“十四五”全国眼健康规划》明确鼓励视光中心参与眼底疾病早筛，而UWF与OCTA设备的国产化加速使成本大幅下降。国家近视防控专家宣讲团在最近会议中指出，推动“影像+AI”的标准化筛查流程进入基层，是遏制近视性盲的关键举措。与此同时，中华医学会眼科学分会正在牵头制定《青少年高度近视视网膜病变影像筛查专家共识》，以统一数据采集、标注规范。  ### 面临的挑战与展望 尽管前景广阔，但UWF图像的质量受眼睑、睫毛遮挡影响，儿童配合度低，周边部位自动拼接仍存在伪影；此外，AI模型的泛化性需经不同地域、年龄层数据严格验证。未来，结合扫频光源OCT的更高分辨率、便携式眼底相机与5G远程诊断，将进一步打破时空壁垒，让每一个学龄儿童都能享受到前沿影像技术带来的视力保护。